自転車シェアリングの再配置に向けた革新的なソリューション

バイクシェアリングシステムは50年以上前からあって、特に北欧で普及してるんだ。人々が移動するのに便利で、公共交通機関の補完としても役立ってる。環境に優しくて、他の交通手段と比べてコストも抑えられるっていう多くの利点があるけど、まだ解決すべき問題もあるんだ。例えば、バイクステーションに空きスペースがなくなったり、ユーザーに十分なバイクがないといった問題ね。もっと言うと、利用可能なバイクが壊れてると、システム全体の運用が複雑になっちゃう。

#再配置の課題

これらの問題は、「バイクシェアリング再配置問題（BRP）」と呼ばれるものに繋がる。基本的には、さまざまな車両を使ってシステム内でバイクを動かすことなんだ。目的は、各ステーションにユーザーが使える状態のバイクを適切な数だけ揃えつつ、壊れたバイクの管理もすること。

バイクシェアリングシステムには主に2つのタイプがある。1つは「ステーションベースのバイクシェアリング（SBBS）システム」で、特定のステーションでバイクを借りて、同じステーションか他の指定されたステーションに返すことができる。もう1つは「フリーフローティングバイクシェアリング（FFBS）システム」で、ユーザーはどこでもバイクを借りたり返したりできる。

#動的再配置 vs 静的再配置

バイクの再配置には2つの戦略がある：動的再配置と静的再配置。動的再配置では、システムが使用中の間にバイクを移動させる。通常、昼間に行われるよ。静的再配置では、システムの利用が少ない時間、例えば夜にバイクを整理するんだ。

この話は静的再配置に焦点を当てていて、特にステーションベースの設定に関して。これは「ステーションベースの静的バイクシェアリング再配置問題（SBRP）」として知られてる。このアプローチは、運用中や壊れたバイクなど、より現実的な要素を含めることで標準的な静的再配置問題に重要な改善をもたらしてる。様々な車両や、ステーションとデポ間の複数回の移動を含めるんだ。

#問題の概要

SBRPでは、バイクステーションとデポを表すネットワークに取り組む。各バイクステーションには、一定の数の空き駐車スペースと初期のバイク在庫（運転可能なものと壊れたもの）があり、再配置作業の終了時に持っているべきバイクの目標数も設定されてる。

バイクを動かすのは一群の車両で、それぞれの車両には自分の積載能力があって、指定された時間内にルートを完了させなきゃいけない。デポから始まり、デポで終わるんだ。

この問題の有効な解決策は、車両のルートを計画することや、各ステーションまたはデポでの訪問中にどれだけのバイク（運転可能なものと壊れたもの）を移動させるかを指定することだよ。

#再配置作業の目標

この再配置作業の主な目的は、次の3つの重要な要素を最小限に抑えることなんだ：

1. 各ステーションの目標バイク数と再配置後の実際のバイク数の差。
2. 未収集の壊れたバイクの数。
3. 車両が費やす合計時間。

#提案された解決方法

SBRPに取り組むために、「マテウリスティック」と呼ばれる新しいアプローチが導入された。これは、ランダム化の要素と数学的最適化手法を組み合わせたものだよ。

#フェーズ1：ランダム化マルチスタートアルゴリズム

提案された解決策の最初のフェーズでは、ランダム化マルチスタートアルゴリズム（RMS）を使って各車両のルートを構築する。この方法は、一歩ずつ解決策を構築していくんだ。新しいバイクステーションがルートに追加されるたびに、どのステーションを次に訪れるべきかを、移動できるバイクの数や所要時間を基に確認するんだ。

各ステップの中で、システムの現在の状態が更新される。つまり、各訪問が行われるたびに、デポとステーションのバイク数がピックアップや配達に応じて調整される。

このアルゴリズムには、近くて到達しやすいステーションを選ぶことを促進する方法が含まれていて、同時により多くのバイクがあるかもしれないステーションにも訪問できるようにしてる。次の停車地点として候補のステーションが考慮されるたびに、最良の選択肢からランダムに選ばれるんだ。

#フェーズ2：積載指示の最適化

各反復で実行可能なルートが構築されたら、次のステップはそのルートのための最適な積載計画を決定することだ。これは、バイクの在庫の不均衡や未収集の壊れたバイクの数を最小限に抑えることを目指す数学的モデルを使って行われる。

モデルは、デポや各ステーションのバイクの数を考慮に入れ、車両の容量や旅に設定されたタイムラインの制約内で積込みや積卸しが行われるようにする。

#計算テスト

提案されたこの手法がどれだけうまく機能するかを確認するために、異なるバイクシェアリングシステムからの実データを用いて一連のテストが行われた。

テストは、スペインのパルマにあるバイクシェアリングシステムを基にしたシナリオと、オーストリアのウィーンに基づくシナリオの2つのグループに分けて行われた。各シナリオは、ステーションの数、初期のバイク在庫、車両の容量、ルート完了のための最大時間が異なっていた。

結果は、この手法がバイクステーションを効果的にバランスさせ、大部分のケースで壊れたバイクを取り除くことができたことを示した。例えば、パルマのテストグループでは、アルゴリズムが完全なバランスを達成し、ほぼ97％のケースで全ての壊れたバイクを収集した。一方、ウィーンのグループは、特に多くのステーションに直面して、より多くの課題があった。しかし、こうしたケースでも、車両の数を増やすか、許可された時間を長くすることで改善が見られた。

速度に関しては、アルゴリズムはすぐに解決策を見つけることができて、しばしば数秒で完了したよ。

#既存の解決策との比較

この新しい手法のパフォーマンスは、文献に見られる以前のアプローチと比較された。基準が可能な場合、結果は似ていたので、この新しい手法は自分の力を持っていて、SBRPで提示される課題に対処できることが示された。

既存の手法は特定の問題用に設計されていたけど、新しい変数に合わせて調整した結果、テストされた約83％のケースで比較可能な結果が得られたんだ。

#結論

この研究は、ステーションベースの静的バイクシェアリング再配置問題に取り組む新しい方法を紹介する。運転可能なバイクや壊れたバイク、多様な車両タイプ、複数の訪問を考慮することで、バイクシェアリングシステムの管理に対してより現実的な解決策を提供する。

マテウリスティックアプローチは、ランダム化と数学的最適化を効果的に組み合わせ、高品質な解決策を短時間で得ることができる。

今後の研究では、これらの解決策の効果を測定するためのベンチマーク方法を確立し、現実の設定でのパフォーマンスを評価するための明確な基準を提供することを目指す。

この研究で開発された手法は、他のバリエーションのバイクシェアリング再配置問題にも適用でき、バイクシェアリング業務の最適化に関する将来の研究の基盤となり得る。最終的には、ユーザーへのより良いサービスとバイクシェアリングネットワークのより効率的な管理に繋がるだろう。